共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
针对目前动态测量误差序列预测方法的局限性,提出了动态测量误差序列的支持向量机非线性组合预测方法,以进行误差修正,提高动态测量精度.该方法首先利用支持向量机和小波神经网络对动态测量误差序列分别进行预测,然后再运用支持向量机对单项预测结果进行非线性组合.理论分析和预测实例表明:该方法的预测精度明显高于传统的单一预测方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很好的应用价值. 相似文献
6.
研究了时间序列的建模与预测方法,并应用于生产实际.以某测点的振动日均值作为建模数据,建立了ARMA(3,1)时间序列模型,经检验,该模型具有较高的预测精度,能够用于该风机的运行状态预测. 相似文献
7.
8.
9.
现有的油液光谱数据预测方法仅考虑单一数据内部前后间的联系,忽视不同种类数据间的相互影响。多维时间序列模型能够将多种元素光谱数据融合起来同时进行建模,利用所建模型对光谱数据进行预测,提高预报精度。通过内燃机台架实验获得多种元素的光谱数据,选择典型的磨损元素Fe和Al、污染元素Si以及添加剂元素Mg作为分析元素,通过分析找出相关性较大的元素,利用多维时间序列模型对其进行预报,从而对内燃机的磨损状态进行准确判断。结果表明,将多维时间序列模型引入油液光谱数据预报能对内燃机的磨损状态进行准确预测。 相似文献
10.
为研究钢铝一体化结构车身无铆钉自冲铆接接头力学性能,引入反向传播神经网络模型来描述板材厚度、板材硬度和成形接头底部直径等工艺参数与接头剪切力及剥离力强度等力学性能的映射关系.由于标准反向传播网络存在训练精度低、收敛速度慢及泛化能力差等缺陷,采用归一化法与Levenberg-Marquardt算法相结合的算法来优化神经网络预测模型连接权值,提高了神经网络模型的预测精度和泛化能力.对神经网络的预测结果进行检验的结果表明,训练后的神经网络模型能够准确有效地预测无铆钉自冲铆接接头力学性能,证实了神经元网络应用于无铆钉自冲铆接接头力学性能预测的可行性与可靠性,为优质的钢与铝无铆钉自冲铆接接头的设计提供了依据. 相似文献